MARCA DE CLASE

Marca de clase: Es el punto medio de una clase y se obtiene sumando los lmites
inferiores (LIA) y superiores de una clase (LSA) y dividiendo el resultado entre dos.
La marca de clase la denotaremos como MC. =2 LSA+ LIA/2
Donde:
M C = Marca de clase
LIA = Lmite inferior aparente
LSA = Lmite superior aparente
Ejemplo: De la siguiente tabla obtenga la marca de clase.
2 LSA LIA MC
CLASE

fi

(LIA
LSA )/2

57

(5 + 7 )/2

8 10

10

(8 + 10 )/2

11 13

15

(11 + 13 )/2

12

14 16

18

(14 + 16 )/2

13

17 19

11

(17 + 19 )/2

18

20 22

(20 + 22 )/2

21

Totales

MC

64

DESVIACION ESTANDAR
La desviacin estndar (o desviacin tpica) es una medida de dispersin para
variables de razn (ratio o cociente) y de intervalo, de gran utilidad en la
estadstica descriptiva. Es una medida (cuadrtica) de lo que se apartan los datos
de su media, y por tanto, se mide en las mismas unidades que la variable.
Para conocer con detalle un conjunto de datos, no basta con conocer las medidas
de tendencia central, sino que necesitamos conocer tambin la desviacin que
representan los datos en su distribucin, con objeto de tener una visin de los
mismos ms acorde con la realidad a la hora de describirlos e interpretarlos para
la toma de decisiones.
Desviacin estndar o Tpica
Esta medida nos permite determinar el promedio aritmtico de fluctuacin de los
datos respecto a su punto central o media. La desviacin estndar nos da como
resultado un valor numrico que representa el promedio de diferencia que hay

entre los datos y la media. Para calcular la desviacin estndar basta con hallar la
raz cuadrada de la varianza, por lo tanto su ecuacin sera:

COMO SE CALCULA LA DESVIACION ESTANDAR

ESCRIBIR LA FORMULA

Existen varias maneras de estimar la volatilidad, y el mundo ideal sera aquel

donde se pueda determinar la volatilidad de todo el conjunto de datos existentes,
sin embargo teniendo en cuenta que se cuentan con recursos (informacin,
costos, etc) limitados, la desviacin estndar se pude tomar sobre un determinado
conjunto de datos que se ajusten a nuestros requerimientos, mediante la siguiente
frmula:

Donde
xi= dato i que esta entre (o, n)
x= promedio de los datos
n= numero datos
EJEMPLO
1.-El gerente de una empresa de alimentos desea saber que tanto varan los
pesos de los empaques (en gramos), de uno de sus productos; por lo que opta por
seleccionar al azar cinco unidades de ellos para pesarlos. Los productos tienen los
siguientes pesos (490, 500, 510, 515 y 520) gramos respectivamente.
Por lo que su media es:

Con lo que concluiramos que el peso promedio de los empaques es de 507

gramos, con una tendencia a variar por debajo o por encima de dicho peso en 12
gramos. Esta informacin le permite al gerente determinar cuanto es el promedio
de perdidas causado por el exceso de peso en los empaques y le da las bases
para tomar los correctivos necesarios en el proceso de empacado.
PROBABILIDAD:
Es el conjunto de posibilidades de que un evento ocurra o no en un momento y
tiempo determinado.
Dichos eventos pueden ser medibles a travs de una escala de 0 a 1 (o la
expresamos en tanto por ciento, entre 0% y 100%), donde el evento que no pueda
ocurrir tiene una probabilidad de 0 y uno que ocurra con certeza es de 1, y el resto
de sucesos tendr probabilidades entre cero y uno que ser tanto mayor cuanto
ms probable sea que dicho suceso tenga lugar.
Ejemplo: Cuando se lanza una moneda, se desea saber cual es la probabilidad de
que se sello o cara, es decir existe un 0,5 (50%) de que sea cara o 0,5 (50%) de
que sea sello.
El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos
resultados, dentro de un conjunto posible de soluciones, y esto aun realizando el
experimento en las mismas condiciones. Por lo tanto, a priori no se conoce cual de
los resultados se va a presentar. Ejemplo: Lotera de Navidad.
Hay experimentos que no son aleatorios y por lo tanto no se les puede aplicar las
reglas de la probabilidad
QUE ES UN EXPERIMENTO ALEATORIO?
En teora de la probabilidad un experimento aleatorio es aquel que bajo el mismo
conjunto aparente de condiciones iniciales, puede presentar resultados diferentes,

es decir, no se puede predecir o reproducir el resultado exacto de cada

experiencia particular.
Este tipo de fenmeno es opuesto al fenmeno determinista, en el que conocer
todos los factores de un experimento nos hace predecir exactamente el resultado
del mismo. Por ejemplo, conociendo la altura desde la que se arroja un mvil es
posible saber exactamente el tiempo que tardar en llegar al suelo en condiciones
de vaco.
Propiedades:
Es toda aquella situacin que debe llevarse a cabo para saber cual es el resultado.
Un experimento se dice aleatorio si verifica las siguientes condiciones:
Si los resultados se pueden contar se le llama experimento aleatorio
numerable; y si no se pueden contar, se le llama experimento aleatorio no
numerable.
Si es posible conocer previamente todos los posibles resultados (el espacio
muestral, constituido por diferentes sucesos) o por lo menos nombrar al
ltimo resultado se le llama experimento aleatorio finito; y si no se puede
nombrar al ltimo resultado, se le llama experimento aleatorio infinito.
Es imposible predecir el resultado exacto del mismo antes de realizarlo.
A cada realizacin de un experimento se le llama experiencia o prueba

EJEMPLOS DE EXPERIMENTOS ALEATORIOS

Lanzar un dado o una moneda al aire
La vida cotidiana est plagada de sucesos aleatorios. Muchos de ellos, de tipo
sociolgico (viajes, accidentes, nmero de personas que acudirn a un gran
almacn o que se matricularn en una carrera...) aunque son suma de muchas
decisiones individuales, pueden ser estudiados, muy ventajosamente, como
aleatorios.
A la coleccin de resultados que se obtiene en los experimentos aleatorios se le
llama espacio muestral.
QUE ES EL ESPACIO MUESTRAL
Espacio muestral es el conjunto formado por todos los posibles resultados de un
experimento aleatorio. En adelante lo designaremos por E.
Ejemplos:
En un dado, E={1,2,3,4,5,6}
En una moneda, E={C,+}

QUE ES UN EVENTO

Un evento es un subconjunto de un espacio muestral.

Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio
muestral. Por ejemplo en el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento
de un dado, los siguientes son eventos:
1. Obtener un nmero primo A = {2, 3, 5}
2. Obtener un nmero primo y par B = {2}
3. Obtener un nmero mayor o igual a 5 C = {5, 6}
Eventos mutuamente excluyentes.- Dos eventos son mutuamente
excluyentes si no pueden ocurrir en forma simultnea, esto es, si y slo si su
interseccin es vaca. Por ejemplo, en el lanzamiento de un dado los eventos B =
{2} y C = {5, 6} son mutuamente excluyentes por cuanto B C =
Eventos Complementarios.- Si A B = y A B = E, se dice que A y B son eventos
complementarios: Ac = B y Bc = A
Su Medicin Matemtica o Clsica. Si en un experimento aleatorio todos los
resultados son equiprobables (iguales probabilidades), es decir, la ocurrencia de
uno es igualmente posible que la ocurrencia de cualquiera de los dems,
entonces, la probabilidad de un evento A es la razn:
P(A) = nmero de casos favorables para A/nmero total de casos posibles
A partir de esta definicin las probabilidades de los posibles resultados del
experimento se pueden determinar a priori, es decir, sin realizar el experimento.

COMO SE CALCULA LA PROBABILIDAD

ESCRIBIR LA FORMULA

La probabilidad sencilla se calcula cogiendo un resultado y dividindolo por el

nmero de resultados posibles;en el caso de la moneda,o sale cara o sale cruz,
1resultado entre 2 posibles => 1/2 o 50% si lo prefieres(multiplicando 1/2 por el
100%)
si lanzas otra vez la moneda las probabilidades de los dos resultados se
multiplican:
1)
Probabilidad
Probabilidad
de

de

Cara
Cruz

=
=

C=
X=

1/2
1/2

dos
Caras
=
C

C
=
1/2

1/2
=
1/4

25%
Cara y Cruz = C X = 1/2 1/2 = 1/4 25%
No siempre es fcil conocer los valores de la funcin de probabilidad de todos los
sucesos.
Sin embargo, muchas veces se pueden conocer las probabilidades de algunos de
estos sucesos. Con la ayuda de ciertas propiedades que se deducen de manera
inmediata a partir de la axiomtica es posible calcular las probabilidades de ms
sucesos.
Por otro lado, en caso de que el nmero de resultados sea finito y de que todos los
resultados tengan las mismas posibilidades de verificarse, la probabilidad de un
suceso cualquiera se puede calcular a partir de la regla de Laplace:
Si A es un suceso :
Probabilidad (A) = (Nmero de casos favorables)/(Nmero de casos posibles)
donde:
Nmero de casos favorables = Nmero de resultados contenidos en A (cardinal de
A)
Nmero de casos posibles = Nmero total de resultados posibles (cardinal del
conjunto total de resultados)
En este caso, el contar nmero de resultados, ya sean favorables o posibles, debe
hacerse por medio de la combinatoria.
Veamos con unos ejemplos muy sencillos y visuales cmo se obtienen y qu
representan los casos posibles y los casos favorables.